CN104063583A - 基于动态物理学和理化因素的妊娠期糖尿病风险监测系统 - Google Patents

基于动态物理学和理化因素的妊娠期糖尿病风险监测系统 Download PDF

Info

Publication number
CN104063583A
CN104063583A CN201410250693.XA CN201410250693A CN104063583A CN 104063583 A CN104063583 A CN 104063583A CN 201410250693 A CN201410250693 A CN 201410250693A CN 104063583 A CN104063583 A CN 104063583A
Authority
CN
China
Prior art keywords
pregnant
value
diabetes
risk
bmi
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Granted
Application number
CN201410250693.XA
Other languages
English (en)
Other versions
CN104063583B (zh
Inventor
张松
王薇薇
杨琳
王阳
杨益民
李旭雯
杨星星
顾冠雄
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Beijing University of Technology
Original Assignee
Beijing University of Technology
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Beijing University of Technology filed Critical Beijing University of Technology
Priority to CN201410250693.XA priority Critical patent/CN104063583B/zh
Publication of CN104063583A publication Critical patent/CN104063583A/zh
Application granted granted Critical
Publication of CN104063583B publication Critical patent/CN104063583B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Landscapes

  • Investigating Or Analysing Biological Materials (AREA)

Abstract

基于动态物理学和理化因素的妊娠期糖尿病风险监测系统属于妇产科医疗器械装置领域,其特征在于,由计算机、拨码开关阵列、电阻阵列和妊娠期糖尿病发病风险LED报警模块组成,计算机设有:孕妇的动态物理学检查和理化因素的信息导入模块、孕妇妊娠期糖尿病发病风险因素的逻辑开关阵列模块和孕妇妊娠期糖尿病发病风险的逻辑回归值计算模块,妊娠期糖尿病发病风险LED报警模块设有:电压比较模块和LED阵列,本系统用逻辑开关值控制拨码开关通断状态,用逻辑回归形式的风险因子值控制电阻阵列电阻值表示其相对危险程度,以电阻阵列电阻值控制电压比较器输出电平并点亮LED报警,本发明能从多元理化因素角度综合评价动态妊娠期糖尿病的风险程度,并实时报警。

Description

基于动态物理学和理化因素的妊娠期糖尿病风险监测系统
技术领域
本发明涉及医疗器械装置领域,具体是一种基于动态物理学检查和理化因素的妊娠期糖尿病监测系统。
背景技术
妊娠期糖尿病(gestational diabetes mellitus GDM)是指妊娠期发生或首次发现的不同程度的糖代谢异常。孕妇血糖高会影响围生儿的健康,胎儿畸形、新生儿呼吸窘迫综合征、新生儿低血糖、新生儿红细胞增多、肥厚性心肌病等并发症。妊娠期糖尿病发病比较隐匿,大多数患者孕早、中期无任何症状和体征,且空腹血糖多正常,在做糖筛查实验或孕晚期出现并发症而测空腹血糖或做糖耐量试验才能发现。
2011年1月美国糖尿病协会提出了妊娠期糖尿病新的诊断标准,其高危因素及发病率也需要重新探讨。确定妊娠期糖尿病发病危险因素,对于给予孕、产妇早期观察和指导在预防该疾病发病方面尤为重要。
孕期血糖为控制或控制不良,大大增加孕、产妇并发症的发生率,主要表现为自然流产、巨大胎儿、妊娠期高血压疾病、感染、羊水过多,酮症酸中毒、早产、胎儿宫内发育受限等发生率增加。
周丽霞等研究孕期体重指数及其增长水平在妊娠糖尿病发病的关系中,GDM组和妊娠期糖耐量异常组的ΔBMI与正常组相比明显升高,并随着体重指数增长率的增加的程度妊娠期糖尿病发病率增加成5-10倍增加;GDM组和GIGT组的ΔBMI与正常组相比明显升高,其发生率随着妊娠期BMI的增长而明显升高,从而提示孕妇孕前及孕期BMI与GDM密切相关。黄建芬等研究发现ΔBMI大小会明显影响GDM的发病比例,且对GDM发病比例的影响并非孕前BMI引起。
目前对妊娠期糖尿病的发病高危因素的研究很多,涉及到孕妇的临床检查生理指标与临床流行病学因素,但是仅是对单一因素或某几个因素的分析,是片面、非多元性的研究,均以整个孕期的体重指数增长率,未进行动态监测;各级医院对高危因素认识存在显著性差异,基层医院对高危因素的整体认识、重视程度不够,即使是大医院也只能靠医生临床经验判断,对各高危因素整体评价不够客观或仅限于对某几个因素的重视,未形成综合、客观的评估系统。且由于孕妇的整体生理因素、个体差异以及可能采取的医学保健措施不同,整个孕期的体重增长速度不同,因此在孕期的不同时期加入不同时期的ΔBMI会更科学、合理。
发明内容
本发明的目的是,设计一种基于动态物理学和理化因素的妊娠期糖尿病风险监测系统,该检测系统通过对不同妊娠阶段的物理学检查因素和生理生化因素进行逻辑回归计算,根据逻辑回归值是否大于参考阈值驱动LED灯,预警是否具有妊娠期糖尿病风险,并随着逻辑回归值变化增强或减弱LED灯的亮度,以表达妊娠期糖尿病风险程度。
本发明的特征在于,是一个由计算机1、拨码开关阵列2、电阻阵列3和妊娠期糖尿病发病风险LED报警模块4,其中:
计算机1,设有:
孕妇的动态物理学检查和理化因素的信息导入模块11,
孕妇妊娠期糖尿病发病风险因素的逻辑开关阵列模块12,
孕妇妊娠期糖尿病发病风险的逻辑回归值计算模块13,
定义以下参数:
第1妊娠期,用妊娠1期表示,妊娠周数在第16~20周之间,第2妊娠期,用妊娠2期表示,妊娠周数在第21~24周之间,第3妊娠期,用妊娠3期表示,妊娠周数在第25~28周之间,
动态物理学参数为各妊娠期的体重指数增长率,表示为ΔBMI1、ΔBMI2和ΔBMI3
理化因素包含:各妊娠期共有的理化因素:年龄、多胎、糖尿病家族史、子宫卵巢肌瘤、孕前建档检查时的体重指数BMI,简称孕前体重指数BMI、不良孕产史、高血压家族史、血红蛋白,在妊娠1期特有的白细胞,在妊娠2、3两期要考虑的孕前建档检查时的孕前感染简称孕前感染,在妊娠3期要考虑的孕期出血史,
所述的孕妇的动态物理学检查和理化因素的信息导入模块11,包括存储了各妊娠期的体重指数增长率ΔBMI1、ΔBMI2、ΔBMI3的孕妇的动态物理学检查信息导入模块111和存储了各妊娠期的理化因素信息的孕妇的理化因素信息导入模块112,构成了一个3行11列的孕妇的动态物理学信息和理化信息矩阵
矩阵的行自上而下表示所述的妊娠1期、妊娠2期和妊娠3期,
矩阵的列表示各妊娠期的动态物理学信息和理化因素信息,其中:
第1列自上而下表示各妊娠期的体重指数增长率,第2~11列分别是各妊娠期的理化因素信息:
对于妊娠1期,按对妊娠期糖尿病风险的影响大小降序排列,理化因素的顺序依次为:年龄、多胎、糖尿病家族史、子宫卵巢肌瘤、孕前体重指数BMI、不良孕产史、高血压家族史、白细胞和血红蛋白,共9项理化因素信息,
对于妊娠2期,按对妊娠期糖尿病风险的影响大小降序排列,理化因素的顺序依次为:年龄、糖尿病家族史、孕前感染、多胎、孕前体重指数BMI、不良孕产史、子宫卵巢肌瘤、高血压家族史、孕期出血史和血红蛋白,共10项理化因素信息,
对于妊娠3期,按对妊娠期糖尿病风险的影响大小降序排列,理化因素的顺序依次为:糖尿病家族史、多胎、年龄、孕前感染、孕前体重指数BMI、子宫卵巢肌瘤、不良孕产史、高血压家族史和血红蛋白,共9项理化因素信息;
所述的孕妇妊娠期糖尿病发病风险因素的逻辑开关阵列模块12,包括:孕妇的动态物理学检查逻辑开关阵列模块121和孕妇的理化因素逻辑开关阵列模块122,其中:
孕妇的动态物理学检查逻辑开关阵列模块121,设有:
妊娠1期体重指数增长率ΔBMI1的阈值为12,
妊娠2期体重指数增长率ΔBMI2的阈值为15,
妊娠3期体重指数增长率ΔBMI3的阈值为18,
所述孕妇的动态物理学检查逻辑开关阵列模块121的三个对应于各所述妊娠期的体重指数增长率ΔBMI,从所述孕妇的动态物理学检查信息导入模块111的三个相对应的输出端分别输入后,判别:
若:ΔBMI1≥B1,则对应ΔBMI1的输入端的逻辑值为1,
ΔBMI1<B1,则对应ΔBMI1的输入端的逻辑值为0,
若:ΔBMI2≥B2,则对应ΔBMI2的输入端的逻辑值为1,
ΔBMI2<B2,则对应ΔBMI2的输入端的逻辑值为0,
若:ΔBMI3≥B3,则对应ΔBMI3的输入端的逻辑值为1,
ΔBMI3<B3,则对应ΔBMI3的输入端的逻辑值为0,
孕妇的理化因素逻辑开关阵列模块122,设有:
年龄的阈值为30,
孕前体重指数BMI的阈值为24,
白细胞的阈值为109个/升,
血红蛋白的阈值为125克/升,
对于除此以外的其他理化因素信息,若存在,则信息逻辑值为1,不存在,则信息逻辑值为0,
对于妊娠1期,对应于第一行第二位到第十位,共9项理化因素信息相应的输入端顺次序与所述孕妇的理化因素信息导入模块112的对应输出端相连,并判别:
若:大于或等于设定的年龄阈值,则对应年龄的输入端的逻辑值为1,
小于设定的年龄阈值,则对应年龄的输入端的逻辑值为0,
若:大于或等于设定的孕前体重指数ΔBMI阈值,则对应ΔBMI的输入端的逻辑值为1,
小于设定的体重指数ΔBMI阈值,则对应ΔBMI的输入端的逻辑值为0,
若:大于或等于设定的白细胞阈值,则对应白细胞的输入端的逻辑值为1,
小于设定的白细胞阈值,则对应白细胞的输入端的逻辑值为0,
若:大于或等于设定的血红蛋白阈值,则对应血红蛋白的输入端的逻辑值为1,
小于设定的血红蛋白阈值,则对应血红蛋白的输入端的逻辑值为0,
对于其他理化因素信息,若存在,则对应理化因素信息的输入端的逻辑值为1,若不存在,则为0,
对于妊娠2期和妊娠3期,判别所述年龄、孕前体重指数BMI和血红蛋白时各自用的对应阈值不等,对于其他理化因素信息,判别准则不变,使用对妊娠1期的同样方法判别,
从而得到一个孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵
行数为3,分别对应于三个所述妊娠期,
列数为11,第一列对应于三个所述妊娠期的体重指数增长率ΔBMI1、ΔBMI2、ΔBMI3各自的逻辑开关值,
对于妊娠1期,第2列到第10列对应于9个所述理化因素信息的逻辑开关值,
对于妊娠2期,第2列到第11列对应于10个所述理化因素信息的逻辑开关值,
对于妊娠3期,第2列到第11列对应于9个所述理化因素信息的逻辑开关值;
孕妇妊娠期糖尿病发病风险的逻辑回归值计算模块13,包括:各个所述妊娠期的糖尿病发病风险值Pρ计算模块,分别用下标1、2、3表示三个所述的糖尿病发病风险值P1、P2和P3,其中,
妊娠1期糖尿病发病风险值P1计算模块131,设有:10项发病风险因子值,分别依次对应相等于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中对应于妊娠1期中第一行的各逻辑开关值,
还设有:与所述妊娠1期10项糖尿病发病风险因子值相对应的10项糖尿病风险因子系数f,所述10项风险因子系数是设定值,根据统计规律计算得到,
所述妊娠1期糖尿病发病风险值P1计算模块131,设有:10个所述妊娠1期糖尿病发病风险的逻辑开关值输入端,与所述10个妊娠1期糖尿病发病风险因素的逻辑开关值输出端分别一一对应地顺次连接,并按下式计算妊娠1期糖尿病发病风险值P1
P 1 = l ( &Sigma; j = 1 10 f 1 j &times; z 1 j + C 1 ) 1 + l ( &Sigma; j = 1 10 f 1 j &times; z 1 j + C 1 )
其中,z为发病风险因子值,f为风险因子系数,2.3>f12>f13>f14>f15>f16>f17>f18>f11>f19>f110>0.5,下标“1”表示妊娠1期,下标j=1,2,…,10为所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中第1行的各元素值,
C1为常数,在(-2,-2.8)间取值,
所述妊娠2期糖尿病发病风险值P2计算模块132,设有:
11项糖尿病发病风险因子值,分别依次对应地等于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中对应于妊娠2期第二行的各逻辑开关值,
11项与所述妊娠2期各糖尿病发病风险因子值相对应的糖尿病发病风险因子系数,所述糖尿病发病风险因子系数是设定值,根据统计规律计算得到,
所述妊娠2期糖尿病发病风险值P2计算模块132,设有:11个所述妊娠2期糖尿病发病风险的逻辑开关值输入端,与所述11个妊娠2期糖尿病发病风险因素的逻辑开关值输出端分别一一对应地顺次连接,并按下式计算妊娠2期糖尿病发病风险值P2
P 2 = l ( &Sigma; j = 1 11 f 2 j &times; z 2 j + C 2 ) 1 + l ( &Sigma; j = 1 11 f 2 j &times; z 2 j + C 2 )
其中,z为发病风险因子值,f为风险因子系数,1.9>f22>f23>f24>f25>f26>f27>f28>f29>f21>f210>f211>0.5,下标“2”表示妊娠2期,下标j=1,2,…,11为所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中第2行的各元素值,
C2为常数,在(-1.4,-1.8)间取值,
妊娠3期糖尿病发病风险值P3计算模块133,设有:
10项糖尿病发病风险因子值,分别依次对应地等于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中对应于妊娠3期第三行的各逻辑开关值,
10项与所述妊娠3期各糖尿病发病风险因子值相对应的糖尿病发病风险因子系数,所述糖尿病发病风险因子系数是设定值,根据统计规律计算得到,
所述妊娠3期糖尿病发病风险值P3计算模块133,设有:10个所述妊娠3期糖尿病发病风险的逻辑开关值输入端,与所述10个妊娠3期糖尿病发病风险因素的逻辑开关值输出端分别一一对应地顺次连接,并按下式计算妊娠3期糖尿病发病风险值P3
P 3 = l ( &Sigma; j = 1 10 f 3 j &times; z 3 j + C 3 ) 1 + l ( &Sigma; j = 1 10 f 3 j &times; z 3 j + C 3 )
其中,z为发病风险因子值,f为风险因子系数,2.5>f32>f33>f34>f35>f36>f37>f38>f39>f31>f310>0.5,下标“3”表示妊娠3期,下标j=1,2,…,10为所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中第3行的各元素值,
C3为常数,在(-1.5,-1.9)间取值,
从而得到了对应于所述三个妊娠期(1、2、3)的糖尿病发病风险P的矩阵为3行1列矩阵,
当P1≤7.6时,孕妇处于低患病率状态,当7.6<P1<15时,孕妇处于中患病率状态,当P1≥15时,孕妇处于高患病率状态,
当P1≤5.1时,孕妇处于低患病率状态,当5.1<P2<13时,孕妇处于中患病率状态,当P2≥13时,孕妇处于高患病率状态,
当P1≤5.3时,孕妇处于低患病率状态,当5.3<P3<15时,孕妇处于中患病率状态,当P3≥15时,孕妇处于高患病率状态,
输出糖尿病发病风险P的矩阵并显示,
拨码开关阵列2,设有:
对应于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中妊娠1期的10个逻辑开关值的10位一体拨码开关S1
对应于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中妊娠2期的11个逻辑开关值的11位一体拨码开关S2
对应于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中妊娠3期的10个逻辑开关值的10位一体拨码开关S3
当各逻辑开关值为0时,对应的拨码开关断开,输出为0,
当各逻辑开关值为1时,对应的拨码开关闭合,输出为1,
从而得到一个拨码开关输出矩阵S3×11,3行分别代表三个所述妊娠期(1、2、3),11列分别代表各所述妊娠期中的逻辑开关值,妊娠1期、妊娠3期各有10个逻辑开关值,妊娠2期有11个逻辑开关值,用“0”表示空白元素的值,用S1j、S2j、S3j表示各行的元素,
电阻阵列3,设有:三个电阻阵列(R1、R2、R3),每个电阻阵列由数量不同、阻值不同的电阻构成,
第一电阻阵列R1,由10个不同电阻值的电阻r1j构成,j=1,2,…,10,对应于所述拨码开关输出矩阵S3×11中的第1行S1j,各电阻r1j的输入端与所述10位一体拨码开关S1的各输出端分别一一对应地顺次连接,
第二电阻阵列R2,由11个不同电阻值的电阻r2j构成,j=1,2,…,11,对应于所述拨码开关输出矩阵S3×11中的第2行S2j,各电阻r2j的输入端与所述11位一体拨码开关S2的各输出端分别一一对应地顺次连接,
第三电阻阵列R3,由10个不同电阻值的电阻r3j构成,j=1,2,…,10,对应于所述拨码开关输出矩阵S3×11中的第3行S3j,各电阻r3j的输入端与所述10位一体拨码开关S3的各输出端分别一一对应地顺次连接,
每个电阻rij的阻值按下式生成,i=1,2,3,i为行序号,单位为欧姆:
r1j=(15-F1j)×100(j=1,2……10)
r2j=(13-F2j)×100(j=1,2……11)
r3j=(13-F3j)×100(j=1,2……10)
Fij是经验化了的风险因子系数,取值方式如下:
8.5>F12>F13>F14>F15>F16>F17>F18>F11>F19>F110>1.5,
6.5>F22>F23>F24>F25>F26>F27>F28>F21>F29>F210>F211>1.5,
10>F32>F33>F34>F35>F36>F37>F38>F39>F31>F310>1.7,
妊娠期糖尿病发病风险LED报警模块4,设有电压比较模块41和LED阵列42,其中:
电压比较模块41,设有:
对应于所述孕妇妊娠1期糖尿病发病风险因素的逻辑开关值矩阵中第1行各元素值对应的各拨码开关输出端的电压比较器VC1,所述第1行各拨码开关输出端分别经过一个取值可变电阻值范围在(330~380)欧姆的分压电路顺次把外接+5V电源分压后输入到所述电压比较器VC1的各正输入端,
对应于所述孕妇妊娠2期糖尿病发病风险因素的逻辑开关值矩阵中第2行各元素值对应的各拨码开关输出端的电压比较器VC2,所述第2行各拨码开关输出端分别经过一个取值可变电阻值范围在(320~370)欧姆的分压电路顺次把外接+5V电源分压后输入到所述电压比较器VC2的各正输入端,
对应于所述孕妇妊娠3期糖尿病发病风险因素的逻辑开关值矩阵中第3行各元素值对应的各拨码开关输出端的电压比较器VC3,所述第3行各拨码开关输出端分别经过一个取值可变电阻值范围在(220~250)欧姆的分压电路顺次把外接+5V电源分压后输入到所述电压比较器VC3的各正输入端,
三个所述电压比较器(VC1、VC2、VC3)的低压值分别外接参考电压Vref,作为比较时用的阈值,Vref在(2.3~2.8)V间取值,
LED阵列42,设有:
依次连接于所述电压比较器VC1各输出端的第一LED阵列LED1
依次连接于所述电压比较器VC2各输出端的第二LED阵列LED2
依次连接于所述电压比较器VC3各输出端的第三LED阵列LED3
当所述各电压比较器(VC1、VC2、VC3)某个输出端输出高电平时,对应的LED亮,亮度越高则风险越高。
本发明结合流行病学因素、物理学动态检查因素和理化因素,能更全面、科学的预测该疾病的发生,提高系统不同妊娠期糖尿病风险预测能力的灵敏度和正确率。
在妊娠1期,当糖尿病发病风险P1值的分值界值为7.6时,系统预测灵敏度为84%,特异度为77%,阳性预测值为85%,阴性预测值为85%,正确率为85%,当糖尿病发病风险P1值的分值界值为15分时,系统预测灵敏度为99.7%;
在妊娠2期,当糖尿病发病风险P2值的分值界值5.1时,系统预测灵敏度为82%,特异度为75%,阳性预测值为76%,阴性预测值为81%,正确率为86%。当糖尿病发病风险P2值的分值界值为13时,灵敏度达到100%;
在妊娠3期,当糖尿病发病风险P3值的分值界值5.3时,系统预测灵敏度为85%,特异度为85%,阳性预测值为79%,阴性预测值为87%,正确率为83%,当糖尿病发病风险P3值的分值界值为13时,灵敏度为99.6%。
附图说明
图1为基于动态物理学和理化因素的妊娠期糖尿病风险监测系统结构图,1-计算机,11-孕妇的动态物理学检查和理化因素的信息导入模块,111-孕妇的动态物理学检查信息导入模块,112-孕妇的理化因素信息导入模块,12-孕妇妊娠期糖尿病发病风险因素的逻辑开关阵列模块,121-孕妇的动态物理学检查逻辑开关阵列模块,122-孕妇的理化因素逻辑开关阵列模块,13-孕妇妊娠期糖尿病发病风险的逻辑回归值计算模块,131-妊娠1期糖尿病发病风险值P1计算模块,132-妊娠2期糖尿病发病风险值P2计算模块,133-妊娠3期糖尿病发病风险值P3计算模块,2-拨码开关阵列,21-孕妇妊娠期糖尿病发病风险的流行病学和生化因素的阵列开关模块,22-孕妇妊娠期糖尿病发病风险的胎盘因素的阵列开关模块,3-电阻阵列,4-妊娠期糖尿病发病风险LED报警模块,41-电压比较模块,42-LED阵列。
图2为孕妇的动态物理学检查和理化因素的信息导入模块内部结构图,111-孕妇的动态物理学检查信息导入模块,112-孕妇的理化因素信息导入模块。
图3为孕妇妊娠期糖尿病发病风险因素的逻辑开关阵列模块结构图,121-孕妇的动态物理学检查逻辑开关阵列模块,122-孕妇的理化因素逻辑开关阵列模块。
图4为孕妇妊娠期糖尿病发病风险的逻辑回归值计算模块结构图,131-妊娠1期糖尿病发病风险值P1计算模块,132-妊娠2期糖尿病发病风险值P2计算模块,133-妊娠3期糖尿病发病风险值P3计算模块。
图5为妊娠期糖尿病发病风险LED报警模块,5.1-妊娠期糖尿病发病风险LED1报警模块,5.2-妊娠期糖尿病发病风险LED2报警模块,5.3-妊娠期糖尿病发病风险LED3报警模块。
具体实施方式
本发明主要提供一种基于动态物理学和理化因素的妊娠期糖尿病风险监测系统,其特征在于,是用于动态监测孕妇妊娠期糖尿病发病风险并可实时进行风险值计算,提示风险状态的装置,该装置设有:计算机1、拨码开关阵列2、电阻阵列3和妊娠期糖尿病发病风险LED报警模块4,如图1所示,其中:
计算机1,设有:
孕妇的动态物理学检查和理化因素的信息导入模块11,
孕妇妊娠期糖尿病发病风险因素的逻辑开关阵列模块12,
孕妇妊娠期糖尿病发病风险的逻辑回归值计算模块13,
定义以下参数:
第1妊娠期,用妊娠1期表示,妊娠周数在第16~20周之间,第2妊娠期,用妊娠2期表示,妊娠周数在第21~24周之间,第3妊娠期,用妊娠3期表示,妊娠周数在第25~28周之间,
动态物理学参数为各妊娠期的体重指数增长率,表示为ΔBMI1、ΔBMI2和ΔBMI3
理化因素包含:各妊娠期共有的理化因素:年龄、多胎、糖尿病家族史、子宫卵巢肌瘤、孕前建档检查时的体重指数BMI,简称孕前体重指数BMI、不良孕产史、高血压家族史、血红蛋白,在妊娠1期特有的白细胞,在妊娠2、3两期要考虑的孕前建档检查时的孕前感染简称孕前感染,在妊娠3期要考虑的孕期出血史,
所述的孕妇的动态物理学检查和理化因素的信息导入模块11,包括存储了各妊娠期的体重指数增长率ΔBMI1、ΔBMI2、ΔBMI3的孕妇的动态物理学检查信息导入模块111和存储了各妊娠期的理化因素信息的孕妇的理化因素信息导入模块112,构成了一个3行11列的孕妇的动态物理学信息和理化信息矩阵
矩阵的行自上而下表示所述的妊娠1期、妊娠2期和妊娠3期,
矩阵的列表示各妊娠期的动态物理学信息和理化因素信息,其中:
第1列自上而下表示各妊娠期的体重指数增长率,第2~11列分别是各妊娠期的理化因素信息:
对于妊娠1期,按对妊娠期糖尿病风险的影响大小降序排列,理化因素的顺序依次为:年龄、多胎、糖尿病家族史、子宫卵巢肌瘤、孕前体重指数BMI、不良孕产史、高血压家族史、白细胞和血红蛋白,共9项理化因素信息,
对于妊娠2期,按对妊娠期糖尿病风险的影响大小降序排列,理化因素的顺序依次为:年龄、糖尿病家族史、孕前感染、多胎、孕前体重指数BMI、不良孕产史、子宫卵巢肌瘤、高血压家族史、孕期出血史和血红蛋白,共10项理化因素信息,
对于妊娠3期,按对妊娠期糖尿病风险的影响大小降序排列,理化因素的顺序依次为:糖尿病家族史、多胎、年龄、孕前感染、孕前体重指数BMI、子宫卵巢肌瘤、不良孕产史、高血压家族史和血红蛋白,共9项理化因素信息;
所述的孕妇妊娠期糖尿病发病风险因素的逻辑开关阵列模块12,包括:孕妇的动态物理学检查逻辑开关阵列模块121和孕妇的理化因素逻辑开关阵列模块122,其中:
孕妇的动态物理学检查逻辑开关阵列模块121,设有:
妊娠1期体重指数增长率ΔBMI1的阈值为12,
妊娠2期体重指数增长率ΔBMI2的阈值为15,
妊娠3期体重指数增长率ΔBMI3的阈值为18,
所述孕妇的动态物理学检查逻辑开关阵列模块121的三个对应于各所述妊娠期的体重指数增长率ΔBMI,从所述孕妇的动态物理学检查信息导入模块111的三个相对应的输出端分别输入后,判别:
若:ΔBMI1≥B1,则对应ΔBMI1的输入端的逻辑值为1,
ΔBMI1<B1,则对应ΔBMI1的输入端的逻辑值为0,
若:ΔBMI2≥B2,则对应ΔBMI2的输入端的逻辑值为1,
ΔBMI2<B2,则对应ΔBMI2的输入端的逻辑值为0,
若:ΔBMI3≥B3,则对应ΔBMI3的输入端的逻辑值为1,
ΔBMI3<B3,则对应ΔBMI3的输入端的逻辑值为0,
孕妇的理化因素逻辑开关阵列模块122,设有:
年龄的阈值为30,
孕前体重指数BMI的阈值为24,
白细胞的阈值为109个/升,
血红蛋白的阈值为125克/升,
对于除此以外的其他理化因素信息,若存在,则信息逻辑值为1,不存在,则信息逻辑值为0,
对于妊娠1期,对应于第一行第二位到第十位,共9项理化因素信息相应的输入端顺次序与所述孕妇的理化因素信息导入模块112的对应输出端相连,并判别:
若:大于或等于设定的年龄阈值,则对应年龄的输入端的逻辑值为1,
小于设定的年龄阈值,则对应年龄的输入端的逻辑值为0,
若:大于或等于设定的孕前体重指数ΔBMI阈值,则对应ΔBMI的输入端的逻辑值为1,
小于设定的体重指数ΔBMI阈值,则对应ΔBMI的输入端的逻辑值为0,
若:大于或等于设定的白细胞阈值,则对应白细胞的输入端的逻辑值为1,
小于设定的白细胞阈值,则对应白细胞的输入端的逻辑值为0,
若:大于或等于设定的血红蛋白阈值,则对应血红蛋白的输入端的逻辑值为1,
小于设定的血红蛋白阈值,则对应血红蛋白的输入端的逻辑值为0,
对于其他理化因素信息,若存在,则对应理化因素信息的输入端的逻辑值为1,若不存在,则为0,
对于妊娠2期和妊娠3期,判别所述年龄、孕前体重指数BMI和血红蛋白时各自用的对应阈值不等,对于其他理化因素信息,判别准则不变,使用对妊娠1期的同样方法判别,
从而得到一个孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵
行数为3,分别对应于三个所述妊娠期,
列数为11,第一列对应于三个所述妊娠期的体重指数增长率ΔBMI1、ΔBMI2、ΔBMI3各自的逻辑开关值,
对于妊娠1期,第2列到第10列对应于9个所述理化因素信息的逻辑开关值,
对于妊娠2期,第2列到第11列对应于10个所述理化因素信息的逻辑开关值,
对于妊娠3期,第2列到第11列对应于9个所述理化因素信息的逻辑开关值;
孕妇妊娠期糖尿病发病风险的逻辑回归值计算模块13,包括:各个所述妊娠期的糖尿病发病风险值Pρ计算模块,分别用下标1、2、3表示三个所述的糖尿病发病风险值P1、P2和P3,其中,
妊娠1期糖尿病发病风险值P1计算模块131,设有:10项发病风险因子值,分别依次对应相等于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中对应于妊娠1期中第一行的各逻辑开关值,
还设有:与所述妊娠1期10项糖尿病发病风险因子值相对应的10项糖尿病风险因子系数f,所述10项风险因子系数是设定值,根据统计规律计算得到,
所述妊娠1期糖尿病发病风险值P1计算模块131,设有:10个所述妊娠1期糖尿病发病风险的逻辑开关值输入端,与所述10个妊娠1期糖尿病发病风险因素的逻辑开关值输出端分别一一对应地顺次连接,并按下式计算妊娠1期糖尿病发病风险值P1
P 1 = l ( &Sigma; j = 1 10 f 1 j &times; z 1 j + C 1 ) 1 + l ( &Sigma; j = 1 10 f 1 j &times; z 1 j + C 1 )
其中,z为发病风险因子值,f为风险因子系数,2.3>f12>f13>f14>f15>f16>f17>f18>f11>f19>f110>0.5,下标“1”表示妊娠1期,下标j=1,2,…,10为所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中第1行的各元素值,
C1为常数,在(-2,-2.8)间取值,
所述妊娠2期糖尿病发病风险值P2计算模块132,设有:
11项糖尿病发病风险因子值,分别依次对应地等于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中对应于妊娠2期第二行的各逻辑开关值,
11项与所述妊娠2期各糖尿病发病风险因子值相对应的糖尿病发病风险因子系数,所述糖尿病发病风险因子系数是设定值,根据统计规律计算得到,
所述妊娠2期糖尿病发病风险值P2计算模块132,设有:11个所述妊娠2期糖尿病发病风险的逻辑开关值输入端,与所述11个妊娠2期糖尿病发病风险因素的逻辑开关值输出端分别一一对应地顺次连接,并按下式计算妊娠2期糖尿病发病风险值P2
P 2 = l ( &Sigma; j = 1 11 f 2 j &times; z 2 j + C 2 ) 1 + l ( &Sigma; j = 1 11 f 2 j &times; z 2 j + C 2 )
其中,z为发病风险因子值,f为风险因子系数,1.9>f22>f23>f24>f25>f26>f27>f28>f29>f21>f210>f211>0.5,下标“2”表示妊娠2期,下标j=1,2,…,11为所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中第2行的各元素值,
C2为常数,在(-1.4,-1.8)间取值,
妊娠3期糖尿病发病风险值P3计算模块133,设有:
10项糖尿病发病风险因子值,分别依次对应地等于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中对应于妊娠3期第三行的各逻辑开关值,
10项与所述妊娠3期各糖尿病发病风险因子值相对应的糖尿病发病风险因子系数,所述糖尿病发病风险因子系数是设定值,根据统计规律计算得到,
所述妊娠3期糖尿病发病风险值P3计算模块133,设有:10个所述妊娠3期糖尿病发病风险的逻辑开关值输入端,与所述10个妊娠3期糖尿病发病风险因素的逻辑开关值输出端分别一一对应地顺次连接,并按下式计算妊娠3期糖尿病发病风险值P3
P 3 = l ( &Sigma; j = 1 10 f 3 j &times; z 3 j + C 3 ) 1 + l ( &Sigma; j = 1 10 f 3 j &times; z 3 j + C 3 )
其中,z为发病风险因子值,f为风险因子系数,2.5>f32>f33>f34>f35>f36>f37>f38>f39>f31>f310>0.5,下标“3”表示妊娠3期,下标j=1,2,…,10为所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中第3行的各元素值,
C3为常数,在(-1.5,-1.9)间取值,
从而得到了对应于所述三个妊娠期(1、2、3)的糖尿病发病风险P的矩阵为3行1列矩阵,
当P1≤7.6时,孕妇处于低患病率状态,当7.6<P1<15时,孕妇处于中患病率状态,当P1≥15时,孕妇处于高患病率状态,
当P1≤5.1时,孕妇处于低患病率状态,当5.1<P2<13时,孕妇处于中患病率状态,当P2≥13时,孕妇处于高患病率状态,
当P1≤5.3时,孕妇处于低患病率状态,当5.3<P3<15时,孕妇处于中患病率状态,当P3≥15时,孕妇处于高患病率状态,
输出糖尿病发病风险P的矩阵并显示,
拨码开关阵列2,设有:
对应于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中妊娠1期的10个逻辑开关值的10位一体拨码开关S1
对应于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中妊娠2期的11个逻辑开关值的11位一体拨码开关S2
对应于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中妊娠3期的10个逻辑开关值的10位一体拨码开关S3
当各逻辑开关值为0时,对应的拨码开关断开,输出为0,
当各逻辑开关值为1时,对应的拨码开关闭合,输出为1,
从而得到一个拨码开关输出矩阵S3×11,3行分别代表三个所述妊娠期(1、2、3),11列分别代表各所述妊娠期中的逻辑开关值,妊娠1期、妊娠3期各有10个逻辑开关值,妊娠2期有11个逻辑开关值,用“0”表示空白元素的值,用S1j、S2j、S3j表示各行的元素,
电阻阵列3,设有:三个电阻阵列(R1、R2、R3),每个电阻阵列由数量不同、阻值不同的电阻构成,
第一电阻阵列R1,由10个不同电阻值的电阻r1j构成,j=1,2,…,10,对应于所述拨码开关输出矩阵S3×11中的第1行S1j,各电阻r1j的输入端与所述10位一体拨码开关S1的各输出端分别一一对应地顺次连接,
第二电阻阵列R2,由11个不同电阻值的电阻r2j构成,j=1,2,…,11,对应于所述拨码开关输出矩阵S3×11中的第2行S2j,各电阻r2j的输入端与所述11位一体拨码开关S2的各输出端分别一一对应地顺次连接,
第三电阻阵列R3,由10个不同电阻值的电阻r3j构成,j=1,2,…,10,对应于所述拨码开关输出矩阵S3×11中的第3行S3j,各电阻r3j的输入端与所述10位一体拨码开关S3的各输出端分别一一对应地顺次连接,
每个电阻rij的阻值按下式生成,i=1,2,3,i为行序号,单位为欧姆:
r1j=(15-F1j)×100(j=1,2……10)
r2j=(13-F2j)×100(j=1,2……11)
r3j=(13-F3j)×100(j=1,2……10)
Fij是经验化了的风险因子系数,取值方式如下:
8.5>F12>F13>F14>F15>F16>F17>F18>F11>F19>F110>1.5,
6.5>F22>F23>F24>F25>F26>F27>F28>F21>F29>F210>F211>1.5,
10>F32>F33>F34>F35>F36>F37>F38>F39>F31>F310>1.7,
妊娠期糖尿病发病风险LED报警模块4,设有电压比较模块41和LED阵列42,其中:
电压比较模块41,设有:
对应于所述孕妇妊娠1期糖尿病发病风险因素的逻辑开关值矩阵中第1行各元素值对应的各拨码开关输出端的电压比较器VC1,所述第1行各拨码开关输出端分别经过一个取值可变电阻值范围在(330~380)欧姆的分压电路顺次把外接+5V电源分压后输入到所述电压比较器VC1的各正输入端,
对应于所述孕妇妊娠2期糖尿病发病风险因素的逻辑开关值矩阵中第2行各元素值对应的各拨码开关输出端的电压比较器VC2,所述第2行各拨码开关输出端分别经过一个取值可变电阻值范围在(320~370)欧姆的分压电路顺次把外接+5V电源分压后输入到所述电压比较器VC2的各正输入端,
对应于所述孕妇妊娠3期糖尿病发病风险因素的逻辑开关值矩阵中第3行各元素值对应的各拨码开关输出端的电压比较器VC3,所述第3行各拨码开关输出端分别经过一个取值可变电阻值范围在(220~250)欧姆的分压电路顺次把外接+5V电源分压后输入到所述电压比较器VC3的各正输入端,
三个所述电压比较器(VC1、VC2、VC3)的低压值分别外接参考电压Vref,作为比较时用的阈值,Vref在(2.3~2.8)V间取值,
LED阵列42,设有:
依次连接于所述电压比较器VC1各输出端的第一LED阵列LED1
依次连接于所述电压比较器VC2各输出端的第二LED阵列LED2
依次连接于所述电压比较器VC3各输出端的第三LED阵列LED3
当所述各电压比较器(VC1、VC2、VC3)某个输出端输出高电平时,对应的LED亮,亮度越高则风险越高。
本发明结合流行病学因素、物理学动态检查因素和理化因素,能更全面、科学的预测该疾病的发生,提高系统不同妊娠期糖尿病风险预测能力的灵敏度和正确率。
在妊娠1期,当糖尿病发病风险P1值的分值界值为7.6时,系统预测灵敏度为84%,特异度为77%,阳性预测值为85%,阴性预测值为85%,正确率为85%,当糖尿病发病风险P1值的分值界值为15分时,系统预测灵敏度为99.7%,表明,当分值界值达到15分时,几乎所以的孕妇都要发病。
在妊娠2期,当糖尿病发病风险P2值的分值界值5.1时,系统预测灵敏度为82%,特异度为75%,阳性预测值为76%,阴性预测值为81%,正确率为86%。当糖尿病发病风险P2值的分值界值为13时,灵敏度达到100%,表明,当分值界值达到13分时,几乎所有都要患妊娠期糖尿病。
在妊娠3期,当糖尿病发病风险P3值的分值界值5.3时,系统预测灵敏度为85%,特异度为85%,阳性预测值为79%,阴性预测值为87%,正确率为83%,当糖尿病发病风险P3值的分值界值为13时,灵敏度为99.6%,表明,糖尿病发病风险P3值的分值界值为13分时,几乎所有孕妇都要患妊娠期糖尿病,在监测方面要引起高度重视,并及时给予干预措施。
本发明系统,根据不同妊娠期孕妇生理状态和物理学动态检查的不同,提出了动态糖尿病发病风险值,从而更好的指导医生发现高危人群,并在一定程度上将孕妇的高危程度进行了科学的分级,为医生实施干预措施提供了客观、综合依据。
表一某某医院的30例病人数据(逻辑值)

Claims (1)

1.基于动态物理学和理化因素的妊娠期糖尿病风险监测系统,其特征在于,是一种基于不同妊娠期的不同体重指数增长率ΔBMI以及多元理化因素的妊娠期糖尿病风险监测系统,包含:由计算机(1)、拨码开关阵列(2)、电阻阵列(3)和妊娠期糖尿病发病风险LED报警模块(4),其中:
计算机(1),设有:
孕妇的动态物理学检查和理化因素的信息导入模块(11),
孕妇妊娠期糖尿病发病风险因素的逻辑开关阵列模块(12),
孕妇妊娠期糖尿病发病风险的逻辑回归值计算模块(13),
定义以下参数:
第1妊娠期,用妊娠1期表示,妊娠周数在第16~20周之间,第2妊娠期,用妊娠2期表示,妊娠周数在第21~24周之间,第3妊娠期,用妊娠3期表示,妊娠周数在第25~28周之间,
动态物理学参数为各妊娠期的体重指数增长率,表示为ΔBMI1、ΔBMI2和ΔBMI3
理化因素包含:各妊娠期共有的理化因素:年龄、多胎、糖尿病家族史、子宫卵巢肌瘤、孕前建档检查时的体重指数BMI,简称孕前体重指数BMI、不良孕产史、高血压家族史、血红蛋白,在妊娠1期特有的白细胞,在妊娠2、3两期要考虑的孕前建档检查时的孕前感染简称孕前感染,在妊娠3期要考虑的孕期出血史,
所述的孕妇的动态物理学检查和理化因素的信息导入模块(11),包括存储了各妊娠期的体重指数增长率ΔBMI1、ΔBMI2、ΔBMI3的孕妇的动态物理学检查信息导入模块(111)和存储了各妊娠期的理化因素信息的孕妇的理化因素信息导入模块(112),构成了一个3行11列的孕妇的动态物理学信息和理化信息矩阵
矩阵的行自上而下表示所述的妊娠1期、妊娠2期和妊娠3期,
矩阵的列表示各妊娠期的动态物理学信息和理化因素信息,其中:
第1列自上而下表示各妊娠期的体重指数增长率,第2~11列分别是各妊娠期的理化因素信息:
对于妊娠1期,按对妊娠期糖尿病风险的影响大小降序排列,理化因素的顺序依次为:年龄、多胎、糖尿病家族史、子宫卵巢肌瘤、孕前体重指数BMI、不良孕产史、高血压家族史、白细胞和血红蛋白,共9项理化因素信息,
对于妊娠2期,按对妊娠期糖尿病风险的影响大小降序排列,理化因素的顺序依次为:年龄、糖尿病家族史、孕前感染、多胎、孕前体重指数BMI、不良孕产史、子宫卵巢肌瘤、高血压家族史、孕期出血史和血红蛋白,共10项理化因素信息,
对于妊娠3期,按对妊娠期糖尿病风险的影响大小降序排列,理化因素的顺序依次为:糖尿病家族史、多胎、年龄、孕前感染、孕前体重指数BMI、子宫卵巢肌瘤、不良孕产史、高血压家族史和血红蛋白,共9项理化因素信息;
所述的孕妇妊娠期糖尿病发病风险因素的逻辑开关阵列模块(12),包括:孕妇的动态物理学检查逻辑开关阵列模块(121)和孕妇的理化因素逻辑开关阵列模块(122),其中:
孕妇的动态物理学检查逻辑开关阵列模块(121),设有:
妊娠1期体重指数增长率ΔBMI1的阈值为12,
妊娠2期体重指数增长率ΔBMI2的阈值为15,
妊娠3期体重指数增长率ΔBMI3的阈值为18,
所述孕妇的动态物理学检查逻辑开关阵列模块(121)的三个对应于各所述妊娠期的体重指数增长率ΔBMI,从所述孕妇的动态物理学检查信息导入模块(111)的三个相对应的输出端分别输入后,判别:
若:ΔBMI1≥B1,则对应ΔBMI1的输入端的逻辑值为1,
ΔBMI1<B1,则对应ΔBMI1的输入端的逻辑值为0,
若:ΔBMI2≥B2,则对应ΔBMI2的输入端的逻辑值为1,
ΔBMI2<B2,则对应ΔBMI2的输入端的逻辑值为0,
若:ΔBMI3≥B3,则对应ΔBMI3的输入端的逻辑值为1,
ΔBMI3<B3,则对应ΔBMI3的输入端的逻辑值为0,
孕妇的理化因素逻辑开关阵列模块(122),设有:
年龄的阈值为30,
孕前体重指数BMI的阈值为24,
白细胞的阈值为109个/升,
血红蛋白的阈值为125克/升,
对于除此以外的其他理化因素信息,若存在,则信息逻辑值为1,不存在,则信息逻辑值为0,
对于妊娠1期,对应于第一行第二位到第十位,共9项理化因素信息相应的输入端顺次序与所述孕妇的理化因素信息导入模块(112)的对应输出端相连,并判别:
若:大于或等于设定的年龄阈值,则对应年龄的输入端的逻辑值为1,
小于设定的年龄阈值,则对应年龄的输入端的逻辑值为0,
若:大于或等于设定的孕前体重指数ΔBMI阈值,则对应ΔBMI的输入端的逻辑值为1,
小于设定的体重指数ΔBMI阈值,则对应ΔBMI的输入端的逻辑值为0,
若:大于或等于设定的白细胞阈值,则对应白细胞的输入端的逻辑值为1,
小于设定的白细胞阈值,则对应白细胞的输入端的逻辑值为0,
若:大于或等于设定的血红蛋白阈值,则对应血红蛋白的输入端的逻辑值为1,
小于设定的血红蛋白阈值,则对应血红蛋白的输入端的逻辑值为0,
对于其他理化因素信息,若存在,则对应理化因素信息的输入端的逻辑值为1,若不存在,则为0,
对于妊娠2期和妊娠3期,判别所述年龄、孕前体重指数BMI和血红蛋白时各自用的对应阈值不等,对于其他理化因素信息,判别准则不变,使用对妊娠1期的同样方法判别,
从而得到一个孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵
行数为3,分别对应于三个所述妊娠期,
列数为11,第一列对应于三个所述妊娠期的体重指数增长率ΔBMI1、ΔBMI2、ΔBMI3各自的逻辑开关值,
对于妊娠1期,第2列到第10列对应于9个所述理化因素信息的逻辑开关值,
对于妊娠2期,第2列到第11列对应于10个所述理化因素信息的逻辑开关值,
对于妊娠3期,第2列到第11列对应于9个所述理化因素信息的逻辑开关值;
孕妇妊娠期糖尿病发病风险的逻辑回归值计算模块(13),包括:各个所述妊娠期的糖尿病发病风险值Pρ计算模块,分别用下标1、2、3表示三个所述的糖尿病发病风险值P1、P2和P3,其中,
妊娠1期糖尿病发病风险值P1计算模块(131),设有:10项发病风险因子值,分别依次对应相等于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中对应于妊娠1期中第一行的各逻辑开关值,
还设有:与所述妊娠1期10项糖尿病发病风险因子值相对应的10项糖尿病风险因子系数f,所述10项风险因子系数是设定值,根据统计规律计算得到,
所述妊娠1期糖尿病发病风险值P1计算模块(131),设有:10个所述妊娠1期糖尿病发病风险的逻辑开关值输入端,与所述10个妊娠1期糖尿病发病风险因素的逻辑开关值输出端分别一一对应地顺次连接,并按下式计算妊娠1期糖尿病发病风险值P1
P 1 = l ( &Sigma; j = 1 10 f 1 j &times; z 1 j + C 1 ) 1 + l ( &Sigma; j = 1 10 f 1 j &times; z 1 j + C 1 )
其中,z为发病风险因子值,f为风险因子系数,2.3>f12>f13>f14>f15>f16>f17>f18>f11>f19>f110>0.5,下标“1”表示妊娠1期,下标j=1,2,…,10为所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中第1行的各元素值,
C1为常数,在(-2,-2.8)间取值,
所述妊娠2期糖尿病发病风险值P2计算模块(132),设有:
11项糖尿病发病风险因子值,分别依次对应地等于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中对应于妊娠2期第二行的各逻辑开关值,
11项与所述妊娠2期各糖尿病发病风险因子值相对应的糖尿病发病风险因子系数,所述糖尿病发病风险因子系数是设定值,根据统计规律计算得到,
所述妊娠2期糖尿病发病风险值P2计算模块(132),设有:11个所述妊娠2期糖尿病发病风险的逻辑开关值输入端,与所述11个妊娠2期糖尿病发病风险因素的逻辑开关值输出端分别一一对应地顺次连接,并按下式计算妊娠2期糖尿病发病风险值P2
P 2 = l ( &Sigma; j = 1 11 f 2 j &times; z 2 j + C 2 ) 1 + l ( &Sigma; j = 1 11 f 2 j &times; z 2 j + C 2 )
其中,z为发病风险因子值,f为风险因子系数,1.9>f22>f23>f24>f25>f26>f27>f28>f29>f21>f210>f211>0.5,下标“2”表示妊娠2期,下标j=1,2,…,11为所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中第2行的各元素值,
C2为常数,在(-1.4,-1.8)间取值,
妊娠3期糖尿病发病风险值P3计算模块(133),设有:
10项糖尿病发病风险因子值,分别依次对应地等于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中对应于妊娠3期第三行的各逻辑开关值,
10项与所述妊娠3期各糖尿病发病风险因子值相对应的糖尿病发病风险因子系数,所述糖尿病发病风险因子系数是设定值,根据统计规律计算得到,
所述妊娠3期糖尿病发病风险值P3计算模块(133),设有:10个所述妊娠3期糖尿病发病风险的逻辑开关值输入端,与所述10个妊娠3期糖尿病发病风险因素的逻辑开关值输出端分别一一对应地顺次连接,并按下式计算妊娠3期糖尿病发病风险值P3
P 3 = l ( &Sigma; j = 1 10 f 3 j &times; z 3 j + C 3 ) 1 + l ( &Sigma; j = 1 10 f 3 j &times; z 3 j + C 3 )
其中,z为发病风险因子值,f为风险因子系数,2.5>f32>f33>f34>f35>f36>f37>f38>f39>f31>f310>0.5,下标“3”表示妊娠3期,下标j=1,2,…,10为所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中第3行的各元素值,
C3为常数,在(-1.5,-1.9)间取值,
从而得到了对应于所述三个妊娠期(1、2、3)的糖尿病发病风险P的矩阵为3行1列矩阵,
当P1≤7.6时,孕妇处于低患病率状态,当7.6<P1<15时,孕妇处于中患病率状态,当P1≥15时,孕妇处于高患病率状态,
当P1≤5.1时,孕妇处于低患病率状态,当5.1<P2<13时,孕妇处于中患病率状态,当P2≥13时,孕妇处于高患病率状态,
当P1≤5.3时,孕妇处于低患病率状态,当5.3<P3<15时,孕妇处于中患病率状态,当P3≥15时,孕妇处于高患病率状态,
输出糖尿病发病风险P的矩阵,并显示,
拨码开关阵列(2),设有:
对应于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中妊娠1期的10个逻辑开关值的10位一体拨码开关S1
对应于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中妊娠2期的11个逻辑开关值的11位一体拨码开关S2
对应于所述孕妇妊娠期糖尿病发病风险因素的逻辑开关值矩阵中妊娠3期的10个逻辑开关值的10位一体拨码开关S3
当各逻辑开关值为0时,对应的拨码开关断开,输出为0,
当各逻辑开关值为1时,对应的拨码开关闭合,输出为1,
从而得到一个拨码开关输出矩阵S3×11,3行分别代表三个所述妊娠期(1、2、3),11列分别代表各所述妊娠期中的逻辑开关值,妊娠1期、妊娠3期各有10个逻辑开关值,妊娠2期有11个逻辑开关值,用“0”表示空白元素的值,用S1j、S2j、S3j表示各行的元素,
电阻阵列(3),设有:三个电阻阵列(R1、R2、R3),每个电阻阵列由数量不同、阻值不同的电阻构成,
第一电阻阵列R1,由10个不同电阻值的电阻r1j构成,j=1,2,…,10,对应于所述拨码开关输出矩阵S3×11中的第1行S1j,各电阻r1j的输入端与所述10位一体拨码开关S1的各输出端分别一一对应地顺次连接,
第二电阻阵列R2,由11个不同电阻值的电阻r2j构成,j=1,2,…,11,对应于所述拨码开关输出矩阵S3×11中的第2行S2j,各电阻r2j的输入端与所述11位一体拨码开关S2的各输出端分别一一对应地顺次连接,
第三电阻阵列R3,由10个不同电阻值的电阻r3j构成,j=1,2,…,10,对应于所述拨码开关输出矩阵S3×11中的第3行S3j,各电阻r3j的输入端与所述10位一体拨码开关S3的各输出端分别一一对应地顺次连接,
每个电阻rij的阻值按下式生成,i=1,2,3,i为行序号,单位为欧姆:
r1j=(15-F1j)×100(j=1,2……10)
r2j=(13-F2j)×100(j=1,2……11)
r3j=(13-F3j)×100(j=1,2……10)
Fij是经验化了的风险因子系数,取值方式如下:
8.5>F12>F13>F14>F15>F16>F17>F18>F11>F19>F110>1.5,
6.5>F22>F23>F24>F25>F26>F27>F28>F21>F29>F210>F211>1.5,
10>F32>F33>F34>F35>F36>F37>F38>F39>F31>F310>1.7,
妊娠期糖尿病发病风险LED报警模块(4),设有电压比较模块(41)和LED阵列(42),其中:
电压比较模块(41),设有:
对应于所述孕妇妊娠1期糖尿病发病风险因素的逻辑开关值矩阵中第1行各元素值对应的各拨码开关输出端的电压比较器VC1,所述第1行各拨码开关输出端分别经过一个取值可变电阻值范围在(330~380)欧姆的分压电路顺次把外接+5V电源分压后输入到所述电压比较器VC1的各正输入端,
对应于所述孕妇妊娠2期糖尿病发病风险因素的逻辑开关值矩阵中第2行各元素值对应的各拨码开关输出端的电压比较器VC2,所述第2行各拨码开关输出端分别经过一个取值可变电阻值范围在(320~370)欧姆的分压电路顺次把外接+5V电源分压后输入到所述电压比较器VC2的各正输入端,
对应于所述孕妇妊娠3期糖尿病发病风险因素的逻辑开关值矩阵中第3行各元素值对应的各拨码开关输出端的电压比较器VC3,所述第3行各拨码开关输出端分别经过一个取值可变电阻值范围在(220~250)欧姆的分压电路顺次把外接+5V电源分压后输入到所述电压比较器VC3的各正输入端,
三个所述电压比较器(VC1、VC2、VC3)的低压值分别外接参考电压Vref,作为比较时用的阈值,Vref在(2.3~2.8)V间取值,
LED阵列(42),设有:
依次连接于所述电压比较器VC1各输出端的第一LED阵列LED1
依次连接于所述电压比较器VC2各输出端的第二LED阵列LED2
依次连接于所述电压比较器VC3各输出端的第三LED阵列LED3
当所述各电压比较器(VC1、VC2、VC3)某个输出端输出高电平时,对应的LED亮,亮度越高则风险越高。
CN201410250693.XA 2014-06-06 2014-06-06 基于动态物理学和理化因素的妊娠期糖尿病风险监测系统 Active CN104063583B (zh)

Priority Applications (1)

Application Number Priority Date Filing Date Title
CN201410250693.XA CN104063583B (zh) 2014-06-06 2014-06-06 基于动态物理学和理化因素的妊娠期糖尿病风险监测系统

Applications Claiming Priority (1)

Application Number Priority Date Filing Date Title
CN201410250693.XA CN104063583B (zh) 2014-06-06 2014-06-06 基于动态物理学和理化因素的妊娠期糖尿病风险监测系统

Publications (2)

Publication Number Publication Date
CN104063583A true CN104063583A (zh) 2014-09-24
CN104063583B CN104063583B (zh) 2017-06-20

Family

ID=51551293

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201410250693.XA Active CN104063583B (zh) 2014-06-06 2014-06-06 基于动态物理学和理化因素的妊娠期糖尿病风险监测系统

Country Status (1)

Country Link
CN (1) CN104063583B (zh)

Cited By (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105708426A (zh) * 2016-04-15 2016-06-29 北京工业大学 健康孕妇中等强度运动心脏储备功能的动态评估方法
CN106446595A (zh) * 2016-12-16 2017-02-22 上海尚戴科技发展有限公司 一种机器学习妊娠期糖尿病发病风险及病情程度预测系统
CN108461145A (zh) * 2018-01-31 2018-08-28 北京工业大学 基于孕周理化信息变化的妊娠期高血压风险动态评估方法
CN110232975A (zh) * 2019-05-20 2019-09-13 郑州大学第一附属医院 一种对糖尿病肾病患者3年内进入到肾脏替代治疗风险预测的方法
CN110491512A (zh) * 2019-08-08 2019-11-22 郑州大学第一附属医院 一种对肾活检确诊糖尿病肾病患者3年内进入到终末期肾脏病风险预测的方法
CN110534184A (zh) * 2019-08-29 2019-12-03 中国人民解放军陆军军医大学第一附属医院 一种产科手术资源配置预测系统
CN110808097A (zh) * 2019-10-30 2020-02-18 中国福利会国际和平妇幼保健院 一种妊娠期糖尿病预测系统及方法
CN112289435A (zh) * 2020-10-15 2021-01-29 浙江大学医学院附属妇产科医院 一种基于机器学习和体检数据的妊娠期糖尿病筛查系统
CN113012806A (zh) * 2021-02-20 2021-06-22 西安交通大学医学院第二附属医院 一种妊娠期糖尿病的早期预测方法
CN113113142A (zh) * 2021-04-09 2021-07-13 长沙理工大学 一种利用智能分析技术对糖尿病患病风险的预测方法
CN113658704A (zh) * 2021-09-17 2021-11-16 平安国际智慧城市科技股份有限公司 糖尿病风险预测设备、装置和存储介质

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN102058435A (zh) * 2011-01-17 2011-05-18 北京工业大学 基于理化和血流动力学信息的妊娠期高血压风险监测装置
WO2012064704A1 (en) * 2010-11-08 2012-05-18 Daktari Diagnostics, Inc. Multi-function microfluidic test kit
CN103617346A (zh) * 2013-11-12 2014-03-05 北京工业大学 基于流行病学、生化和胎盘因素的产后出血预警系统

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
WO2012064704A1 (en) * 2010-11-08 2012-05-18 Daktari Diagnostics, Inc. Multi-function microfluidic test kit
CN102058435A (zh) * 2011-01-17 2011-05-18 北京工业大学 基于理化和血流动力学信息的妊娠期高血压风险监测装置
CN103617346A (zh) * 2013-11-12 2014-03-05 北京工业大学 基于流行病学、生化和胎盘因素的产后出血预警系统

Non-Patent Citations (3)

* Cited by examiner, † Cited by third party
Title
孙蓉蓉等: "孕早期血红蛋白水平与妊娠期糖尿病的关联性", 《温州医科大学学报》 *
李洋等: "基于UMPC的无创妊娠期高血压疾病监测系统的设计", 《医疗卫生装备》 *
杨琳等: "妊娠期高血压风险评测方法及装置", 《中国医学装备》 *

Cited By (15)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
CN105708426A (zh) * 2016-04-15 2016-06-29 北京工业大学 健康孕妇中等强度运动心脏储备功能的动态评估方法
CN106446595A (zh) * 2016-12-16 2017-02-22 上海尚戴科技发展有限公司 一种机器学习妊娠期糖尿病发病风险及病情程度预测系统
CN106446595B (zh) * 2016-12-16 2019-09-03 上海尚戴科技发展有限公司 一种机器学习妊娠期糖尿病发病风险及病情程度预测系统
CN108461145B (zh) * 2018-01-31 2021-06-25 北京工业大学 基于孕周理化信息变化的妊娠期高血压风险动态评估方法
CN108461145A (zh) * 2018-01-31 2018-08-28 北京工业大学 基于孕周理化信息变化的妊娠期高血压风险动态评估方法
CN110232975A (zh) * 2019-05-20 2019-09-13 郑州大学第一附属医院 一种对糖尿病肾病患者3年内进入到肾脏替代治疗风险预测的方法
CN110491512A (zh) * 2019-08-08 2019-11-22 郑州大学第一附属医院 一种对肾活检确诊糖尿病肾病患者3年内进入到终末期肾脏病风险预测的方法
CN110534184A (zh) * 2019-08-29 2019-12-03 中国人民解放军陆军军医大学第一附属医院 一种产科手术资源配置预测系统
CN110534184B (zh) * 2019-08-29 2022-07-15 中国人民解放军陆军军医大学第一附属医院 一种产科手术资源配置预测系统
CN110808097A (zh) * 2019-10-30 2020-02-18 中国福利会国际和平妇幼保健院 一种妊娠期糖尿病预测系统及方法
CN112289435A (zh) * 2020-10-15 2021-01-29 浙江大学医学院附属妇产科医院 一种基于机器学习和体检数据的妊娠期糖尿病筛查系统
CN113012806A (zh) * 2021-02-20 2021-06-22 西安交通大学医学院第二附属医院 一种妊娠期糖尿病的早期预测方法
CN113012806B (zh) * 2021-02-20 2024-01-19 西安交通大学医学院第二附属医院 一种妊娠期糖尿病的早期预测方法
CN113113142A (zh) * 2021-04-09 2021-07-13 长沙理工大学 一种利用智能分析技术对糖尿病患病风险的预测方法
CN113658704A (zh) * 2021-09-17 2021-11-16 平安国际智慧城市科技股份有限公司 糖尿病风险预测设备、装置和存储介质

Also Published As

Publication number Publication date
CN104063583B (zh) 2017-06-20

Similar Documents

Publication Publication Date Title
CN104063583A (zh) 基于动态物理学和理化因素的妊娠期糖尿病风险监测系统
US11576622B2 (en) Systems and methods for monitoring uterine activity and assessing pre-term birth risk
CN106446595B (zh) 一种机器学习妊娠期糖尿病发病风险及病情程度预测系统
CN104523263A (zh) 基于移动互联网的孕产妇健康监护系统
CN101194826A (zh) 便携式智能型胎动计数器及对采集信号的处理方法
CN105708426A (zh) 健康孕妇中等强度运动心脏储备功能的动态评估方法
Gao et al. Fetal heart baseline extraction and classification based on deep learning
Gonzalez-Ballano et al. Pregestational body mass index, trimester-specific weight gain and total gestational weight gain: how do they influence perinatal outcomes?
Arif et al. Decision tree method using for fetal state classification from cardiotography data
Zhu et al. Predicting ICU mortality by supervised bidirectional LSTM networks.
JP2018140172A (ja) データ収集装置及びデータ収集方法
CN114758780A (zh) 产后出血预测方法、装置、终端及存储介质
Somprasit et al. High pre-pregnancy body mass index and the risk of poor obstetrics outcomes among Asian women using BMI criteria for Asians by World Health Organization Western Pacific Region (WPRO): a large cohort study
CN102058435B (zh) 基于理化和血流动力学信息的妊娠期高血压风险监测装置
CN108461145B (zh) 基于孕周理化信息变化的妊娠期高血压风险动态评估方法
CN103617346A (zh) 基于流行病学、生化和胎盘因素的产后出血预警系统
Kosto et al. The effect of maternal anemia on maternal and neonatal outcomes in twin pregnancies
CN108553128B (zh) 智能自然避孕计算方法以及装置
CN112289435B (zh) 一种基于机器学习和体检数据的妊娠期糖尿病筛查系统
Megalingam et al. Integrated embedded system for pre-natal health care
Li et al. Computerized analysis of fetal heart rate pattern in the third trimester of low-risk pregnancy by long-range electronic fetal monitoring
Bedeeuzzaman et al. Preterm Birth Prediction Using EHG Signals
CN205885437U (zh) 一种基于电极阵列的胎动实时监测的装置
Zou et al. Using TensorFlow to Establish multivariable linear regression model to Predict Gestational Diabetes
Kang et al. Prediction of Delivery Mode from Fetal Heart Rate and Electronic Medical Records Using Machine Learning

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant